【正文】 技術(shù) 研究現(xiàn)狀 自然界中任何物體，由于內(nèi)部帶電粒子的不斷運動，它們都具有一定的溫度，即自然界中任何物體自身溫度都高于絕對零度，這時它就會不斷的向其所在環(huán)境中進行熱輻射。成像過程中周圍的環(huán)境會對成像系統(tǒng)產(chǎn)生很大的影響，這是因為周圍環(huán)境中存在各種輻射，并且紅外輻射在傳輸過程中會被衰減，這些都是在紅外成像系統(tǒng)中需要考慮的問題。其次，掃描速度特別慢，導致成像速度慢，不能很好的跟蹤高速運動的物體。 4）因為它是依靠視場內(nèi)目標自身或目標與背景之間的溫度差異進行探測的，所以它能夠很好的識別 偽裝的目標，而可見光成像系統(tǒng)很難做到這一點。因此，通過信號處理的手段對圖像進行校正，成為了目前使用最廣泛的方式。在求取函數(shù)映射關(guān)系時使用的是 多項式插值法，但是高次插值多項式逼近精度并不是與插值節(jié)點個數(shù)成正比，并且隨著插值節(jié)點個數(shù)的增加計算量也大幅度增加，不利于實時校正。 Torres等人將卡爾曼濾波器應用于對陣列元參數(shù)的估計 [11]，他們把增益系數(shù)和偏移量作為待估計狀態(tài)變量，同時將紅外圖像序列分成內(nèi)部參數(shù)保持不變的連續(xù)的塊，通過馬爾可夫過程模擬狀態(tài)變的漂移。雖然在成像之后采用了非均 勻性校正算法對圖像的非均勻性進行了校正，但是由于這些像素點偏離正常值較遠，一般的校正算法校正的深度不夠，達不到理想的效果，所以就需要使用盲元檢測算法，檢測出盲元的具體位置，然后再單獨的對其進行校正（補償）。在所處理的紅外圖像的灰度級僅占用全部灰度級范圍的一部分時，它們對圖像對比度的增強效果比較明顯，因為它們的基本思想都是將圖像直方圖中的灰度級從給定的灰度映射到另一個灰度。 近年來，研究人員不斷嘗試著將一些數(shù)學工具運用到紅外圖像的增強中，如文獻 [26]中提到的基于神經(jīng)網(wǎng)絡的圖像增強算法，文獻 [27]中進行了基于遺傳算法的紅外圖像增強研究，文獻 [28]將數(shù)學形態(tài)學用 于圖像增強，它們都取得了很好的效果，并且都得到了廣泛的應用。但是，受到當前技術(shù)水平和工藝水平的限制，并且在成像系統(tǒng)運行過程中，存在外部干擾，這些因素都導致了在現(xiàn)實中很難生產(chǎn)出具有理想均勻性的紅外焦平面陣列，因此，非均勻性普遍存在于紅外焦平面陣列中。 （ 5）太陽輻射的影響 第二章 紅外成像非 均勻性產(chǎn)生的原因和定義 9 一般來說，紅外成像系統(tǒng)在白天的成像質(zhì)量要優(yōu)于夜晚。 （ 1） 陣列元響應的不一致性。 （ 4） 放大電路的非一致性。 需要注意的是求和的過程不包括無效像元?；诙说姆蔷鶆蛐孕Ｕ惴◤碗s度低、精確度高、利于工程中實時實現(xiàn) [34]。 基于定標的非均勻性校正算法 目前，基于定標的校正方法中比較成熟和廣泛應用的是一點校 正法和兩點校正法，其他的像多點校正算法、分段線性算法等，都是以這兩種校正算法為基礎的，原理都是一樣的。對于增益因子非均勻性較大的情況就不適用了，這就要用到另一種算法：增益因子的一點校正算法。校正示意圖如圖 所示。由于在濾波過程中參數(shù)與觀測數(shù)據(jù)的更新是同步的，所以不需要大量的存儲空間對觀測數(shù)據(jù)進行存取，這就使得濾波器的時效性比較好。 我們的目的是從觀測矢量 kX 計算得到狀態(tài)矢量 [ , ]Tk k kB k b? 的最小均方誤差估計值，并能夠?qū)崿F(xiàn)遞推 估計，根據(jù)正交性原則，狀態(tài)矢量 [ , ]Tk k kB k b? 的最小均方誤差估計與觀測矢量有如下關(guān)系： ?[ ( ) ] 0 1 , ,Tk k lE B B X l k? ? ? （ 314） 其中， ?kB 被認為由 kX 得到的條件期望值： 12? [ | , , , ]k k kB E B X X X? （ 315） 為了得到上述狀態(tài)矢量的最小均方 誤差估計，需要構(gòu)造兩個數(shù)學模型：（ 1）狀態(tài)方程模型（ 2）觀測模型，它是式（ 313）的矢量第三章 紅外圖像非均勻性校正算法 17 擴展 [41]。 驅(qū)動噪聲的方差為： ? ? 122 20221v a r v a r ( )1nnwkwWB? ????? ??????? ??????? （ 322） 其中： 0020 00v a r( )0k bB????? ???? （ 323） 式中 ,02k? 和02b? 分別是在 0k? 組幀時的增益系數(shù)和偏置系數(shù)的方差。它可以通過前一幀塊狀態(tài)矢量的最優(yōu)估計計算出來： 1 1 1? ?k k k kB B M?? ? ? ??? （ 330） 式中 1k?? 是前面給出的狀態(tài)轉(zhuǎn)移矩陣， 1kM? 是狀態(tài)矢量的期望。除了隱含層，還需要一個校正層，在校正層中對像元輸出進行校正。對第 n 幀校正過后圖像的第 i 行、 j 列的像素作四鄰域均值濾波，作為該像 素的理想輸出： 1 , , 1 1 , , 11 ? ? ? ?( ) [ ( ) ( ) ( ) ( ) ]4ij i j i j i j i jf n x n x n x n x n? ? ? ?? ? ? ? （ 345） （ 3） 校正層 在該層中不僅要使用式（ 32）對輸入像素值進行校正，當實際輸出與理想輸出誤差較大時，還需要利用隱含層的反饋輸入和校正層的輸出對校正系數(shù)進行修正。 為了直觀的分析校正算法的性能，實驗中通過均方根誤差（ RMSE）曲線進行對比， RMSE 定義如下式 [46]： 2111 ()NM ij ijijR M S E x yMN ?????? （ 354） 式中， ijx — 是輸入的原圖像 ij 位置像素的灰度值 ijy — 是校正后的輸出灰度值 M、 N— 分別是圖像的行和列數(shù) 處理過程的 RMSE 曲線如圖 所示，從圖中可以看出，神經(jīng)網(wǎng)絡校正算法校正過后圖像的均方根誤差有很大的改善，隨著幀數(shù)的增加，曲線趨于平緩，說明參數(shù)的 迭代趨于收斂。目前對于偽像的消除主要集中于兩個方面的研究：（ 1）改變迭代步長 [47]：選取較小的迭代步長可以減小偽像的影響，但是過小的迭代步長會增加算法的收斂時間。觀察第 188 幀以前的圖像，這些圖像中人物都是帶著眼鏡的，所以可以認定均方誤差的大幅度波動是由圖像中眼鏡的突然消失引起的，并且觀察第 188 幀圖像可以看出在人的眼部有一個淡淡的眼鏡的偽像。 （ 4） 輸出層 輸出校正過后的紅外圖像，即 ( ) ( ) ( ) ( )Y n G n X n O n?? （ 353） 實驗 結(jié)果 分析 使用傳統(tǒng)的神經(jīng)網(wǎng)絡校正算法對具有非均勻性的紅外圖像進行校正，校正效果如圖 所示，從圖中可以看出，輸入圖像非均勻性非常嚴重，采用傳統(tǒng)的神經(jīng)網(wǎng)絡校正算法校正過后，圖像的非均勻性改善非常明顯。下面將對算法結(jié)構(gòu)中的每一層進行分析，針對存在的問題提出改進的方案。卡爾曼濾波的效果與幀塊長度的選取有很大關(guān)系，幀塊長度越大，給濾波器帶來的場景信息就越多，對狀態(tài)變量的估計就會越接近真實值，校正效果就越好。上式也可寫為如下形式： 第三章 紅外圖像非均勻性校正算法 19 (1 ) (1 ) 1 (1 )( ) ( ) 1 ( )k k kkkk k k k k kX Y VkbX l Y l V l? ? ? ? ? ???? ? ? ? ? ?????? ? ? ? ? ???? ? ? ? ? ?? ? ? ? ? ? （ 325） 式中 kl 表示第 k 組幀的長度。則狀態(tài)方程的矩陣形式為： ( 1 )1( 2 )10 100 01k k k kk k k kkk wbb w? ?????? ? ? ? ? ? ???? ??? ? ? ? ? ? ????? ? ? ? ? ? ?? （ 317） 由于驅(qū)動噪聲 kW 對于系統(tǒng)狀態(tài)的轉(zhuǎn)變起著重要的作用，所以需要對其統(tǒng)計特性進行分析，假設驅(qū)動噪聲是均值為 0 的不相關(guān)的高 斯過程。 模型的建立： 假設探測元工作在線性范圍內(nèi)，探測元的輸入輸出關(guān)系可以由式（ 31）給出。因此，定標類校正算法通常需要進行周期性定標校正，這樣在校正過程中就需要設備停止工作，所以在實際應用中會帶來很大的不便。于是人們提出了兩點校正算法，擴大了定標的校正范圍。如圖 所示： XT123tXT123t 圖 一點校正算法示意圖 （ 1） 針對偏置因子的校正算法 當焦平面陣列增益不均勻性可忽略不計，并且偏置帶來的不均勻性比較明顯時，這種校正算法效果較好。 0 )i j i j i j i jX n k n Y n b n i M j N? ? ? ? ? ? （ 31） 式中， ()ijYn— 為第 ij 個陣列元在 n 時刻接收到的輻射量 ()ijXn— 為第 ij 個陣列元在 n 時刻的響應輸出 ()ijkn— 為第 ij 個陣列元在 n 時刻的增益因子 ()ijbn— 為第 ij 個陣列元在 n 時刻的偏置因子 在理想的情況下，各探測元的增益因子 ()ijkn都是相同的，并且偏置因子 ()ijbn 都為 0，這樣， ()ijXn 就可以真實的反映出輸入圖像。 21111 ( ) 1 0 0 %() MN ijijN U R RM N d hR ??? ? ?? ? ? ?? （ 24） 以上式（ 22）、（ 23）、（ 24）中， ijR 是焦平面上第 i 行、第j 列像元所對應的響應率， R 是平均響應率， M、 N 分別是焦平面陣列的行和列數(shù)， d 和 h 分別為焦平面陣列中過熱像元數(shù)和死像元數(shù)。這一類非均勻性是由外部環(huán)境影響引入的，很難通過探測系統(tǒng)自身進行消除。 （ 2） 1/f 噪聲。 紅外焦平面陣列非均勻性產(chǎn)生的原因 紅外圖像非均勻性產(chǎn)生的因素是非常復雜的，這主要是因為紅外成像要經(jīng)過多個過程共同作用：首先，場景中各物體對周圍產(chǎn)生了熱輻射；然后，這些熱輻射以大氣傳輸?shù)姆绞剿偷焦鈱W采集系 統(tǒng)；最后，通過探測元將光學采集系統(tǒng)采集到的熱輻射信號轉(zhuǎn)換成電信號，并使用外部電路對電信號進行處理；這就是一個完整的紅外成像系統(tǒng)的工作過程。 （ 2）低信噪比 自然界中的分子是時刻處于熱運動狀態(tài)中的，并且成像系統(tǒng)自身存在電流噪聲，這些都是導致紅外圖像信噪比低的原因。在此基礎上， 分析了基于神經(jīng)網(wǎng)絡校正算法的不足，然后通過引入非線性濾波器改善了傳統(tǒng)算法的缺點，并取得了很好的效果，文中給出了仿真結(jié)果參數(shù)的對比。另外，文獻 [22]、 [23]中分別提出了直方圖非線性拉伸增強算法和平臺直方圖增強算法。從有效像元和盲元響應特征在統(tǒng)計分布上的差異方面出發(fā)，石巖等人 [18]提出了基于特征直方圖分解的紅外焦平面陣列無效像元檢測算法，也是一種很好的檢測算法。并且由于參數(shù)的修正需要一定的時間，當目標再次運動時，還會產(chǎn)生偽像。在關(guān)注這類算法各種優(yōu)點的同時，我們還必須了了解它們一個共同的缺點 ：需要周期性的進行重新校正，這是由于在工作過程中紅外焦平面陣列非均勻性會隨時間、環(huán)境等因素的影響有緩慢的變化，這樣就增加了設備的復雜度，于是人們提出了基于場景的非均勻性校正算法，該類算法各參數(shù)的更新都是來自于對場景的估計，就避免了定標校正算法的缺點 [9]。 哈爾濱工程大學碩士學位論文 4 紅外 圖像 預處理算法綜述 紅外 圖像 非均勻性校正研究 現(xiàn)狀 最早應用于紅外探測器的校正算法是 Ewing 等人于 70 年代初提出的一點校正法 [6]，這一算法可以將陣列元對某一特定的均勻輻射的響應置為一致，它可以對偏置不均勻性進行校正，也可以對增益不均勻性進行校正。非均勻性的產(chǎn)生原因有許多，其中加工工藝水平限制和外界影響，以及自身的工作狀態(tài)都會為系統(tǒng)帶來嚴重的非均勻性。紅外凝視焦平面陣列系統(tǒng)以它的 體積小、低功耗、無光機掃描、高性能及無電子束掃描的特點得到了廣泛的使用。 紅 外 輻 射 （ 目 標 / 背 景 / 各 種干 擾 輻 射 ）光 學 系統(tǒng)紅 外 探 測 器視 頻 放 大 器顯 示 器大 氣傳 輸紅 外 輻射 聚 焦電 信號紅 外 圖 像紅 外 成 像 系 統(tǒng) 圖 紅外成像系統(tǒng)示意圖 按成像方式不同紅外探測器可以分為：光學機械掃描成像和紅外凝視焦平面陣列式成像 [3]。但是由于紅外輻射所處的波段在人眼能夠識別的范圍之外，所以靠人眼是無法識別這種輻射的，如果能夠?qū)⑦@種輻射轉(zhuǎn)換成可見的圖像，那么就可以實現(xiàn)在無可見光環(huán)境下對物 體的觀察。 Blind pixel’s pensation。 （ 2）在分析了盲元產(chǎn)生原因以及盲元與點目標之間區(qū)別的基礎上，提出了基于二維線性外推理論的盲元檢測算法，并在實驗中對其進行了驗證，有很好的檢測效果 。 紅外焦平面陣列是成像系統(tǒng)的最重要的器件，它的性能直接影響著整個系統(tǒng)的運行。 it is hard to distin